腾讯混元发布Hyra 2.0：AI自己训蛋白、造机械手，还反哺下一代模型
要点
11月2日，腾讯混元正式发布AI科研系统Hyra 2.0，将研发重点从"用AI直接攻克科学难题"转向"让通用Agent研发可复用的科学模型、研究工作流与软件工具"。据凤凰网科技报道，此前Hyra 1.0曾驱动开源模型解决加法组合学中悬置五十余年的开放问题，验证了"给AI明确评判…
11月2日，腾讯混元正式发布AI科研系统Hyra 2.0，将研发重点从”用AI直接攻克科学难题”转向”让通用Agent研发可复用的科学模型、研究工作流与软件工具”。据凤凰网科技报道，此前Hyra 1.0曾驱动开源模型解决加法组合学中悬置五十余年的开放问题，验证了”给AI明确评判标准并循环尝试”这条路径；2.0进一步提出，工具升级带来的收益可被下游任务反复复用，从而形成”智能复利”。
架构上，Hyra 2.0把研究工作拆为Overall、Mission、Worker三层：Overall对接人类研究者、对齐目标并协调资源；Mission长期负责单一研究问题、判断路线取舍；Worker独立读代码、做实验、分析失败原因，并可质疑Mission的判断。系统另设项目状态、Agent分层记忆与共享知识库Books三套分离的存储机制，项目复盘时可将可迁移方法整理为skill供后续调用。据腾讯混元官方公众号披露，Worker交差必须附代码版本、实验结果与日志，需要独立验证时另起Review Worker复核。
已披露的成果集中在蛋白质、芯片、机器人与数学几个方向。两款蛋白质模型从头训练而成：196万参数的HyInv依据目标骨架反推序列，速度比行业常用的ProteinMPNN快57倍，单张H20 GPU上生成128条约400残基序列约需50毫秒；6.5亿参数的HyPLM-Flash使用7260亿训练token。两款模型的权重、推理代码与技术报告均已公开。
在其他方向上，Hyra 2.0参与优化开源RISC-V处理器”香山”，使SPEC CPU2006每GHz性能提升5.79%，芯片面积仅增加0.3%；自主设计五指由短到长排列的”旋梯手”，初版比原有最优设计慢约11%，在相同预算下训练控制算法后仿真转速反快28.6%。量子纠错方向构造出[488,123,22]量子码，编码效率较qLDPC Challenge原榜首高约48%。
最值得关注的是闭环：Hyra 2.0已参与下一代混元模型的预训练、后训练与推理系统优化。当AI开始改进研发工具，工具又反过来提升训练下一代模型的效率，这条链路能否稳定复用，将决定”AI做科研”是单点成果还是可持续的产能。
